Quadratic：让清理表格的Python代码与结果放在一起

一份名单需要删除重复记录、整理空值，还要让接手的人知道删过什么。Quadratic 提供了一种可继续修改的交付方式：原始数据在表格里，Python 单元格读取数据、处理后把结果返回旁边，AI对话可以帮助编写和调整代码。适合愿意查看处理规则、又希望沿用表格阅读方式的运营或分析人员。

一格代码，为什么能返回一片数据

官方入门文档有一个很小的演示：A列放着1、2、3，右侧代码通过 q.cells('A1:A3') 读取这段范围，返回结果出现在C列。代码单元格是计算的入口，输出可以占据多个格子；因此它能承载一张整理后的表，而非只返回一个合计数字。

来源：Quadratic 官方入门截图。看A列输入、C列结果和右侧引用代码的对应关系；它演示范围读取与返回，不是名单清洗实测，也不证明截图中的旧模型仍为当前配置。

这个例子的意义在于把处理过程留在交付物里。接手的人可以查看引用了哪段数据，再决定是否修改规则；不用仅凭一份整理后的附件猜测原表经历过哪些操作。引用文档还说明，所依赖单元格更新后，相关代码会重新执行，因而修改输入与检查新结果可以连在一起。

例如，假设一份活动报名表包含报名编号、姓名、联系方式和提交时间，任务是同一编号保留最后一次提交。可以要求AI读取原表、按提交时间排序，再按报名编号去重，把结果放到新的区域。这是教学任务，没有在本文运行；中文字段的识别与最终结果要拿真实材料核对。

官方清洗文档给出了按指定列去重并保留最后一条的写法，也展示删除空值、转换类型等操作。这里最容易忽略的是“最后”取决于行顺序：没有先确定时间类型并排序，保留最后一行未必就是保留最新提交。它也不等于按姓名去重，同名的人可能拥有不同报名编号。

所以，我会把“按编号去重”保留下来，同时要求单独输出编号为空的记录、保留原表，并核对清理前后的数量差。这个判断来自任务规则，而不是工具自动知道名单应当怎样清洗。AI有助于起草处理方法，真正决定删哪条的依据仍应写进代码和说明。

范围引用会返回 Pandas DataFrame，可以理解成供Python处理的一张数据表。若首行是字段名，引用文档要求使用 first_row_header=True；否则列名可能采用数字索引，后续代码按“报名编号”找列就会出问题。已有命名表时，也可按表名引用，减少固定范围遗漏新行的风险。

清洗文档把“将空字符串替换成缺失值”和“删除指定列缺失的行”分成步骤，这个区分值得保留。空白联系方式是否应删除，取决于活动规则；把所有带空格或空值的记录一律清空，会让结果看似整齐，却损失仍有效的报名。

交付时可分享这份表格，并通过文件菜单下载本地副本。官网在线服务会自动保存文件，离线修改在重新连接后涉及同步，不能把浏览器中暂存理解成数据始终只在本地。

从Quadratic创建表格，可以在AI聊天中提问，或选中单元格按 / 进入代码类型选择。定价页的免费档只有有限AI用量，付费档有不同模型与额度，不能将“免费表格”理解成模型计算无限免费。

AI安全说明称服务会使用多个模型提供商，各方与Quadratic约定零天数据留存；这不等于数据没有发出，团队设置里的提示词保存也是另一项控制。对不能交给外部模型的材料，需要另外确认部署与模型安排。